La equiparación que hace el mundo académico contemporáneo entre «ciencia» y «medición» representa un ataque positivista a la praxeología de Ludwig von Mises, no por su falta de rigor matemático, sino por su superior comprensión ontológica.
Mientras que la física modela con éxito los cuerpos inanimados —donde un átomo de cobre reacciona al calor según constantes universales e inmutables—, la economía se ocupa de la acción humana impulsada por una intención consciente y fluctuante. Dado que ninguna constante dicta que un aumento del 10 % en los ingresos produzca un incremento del 8 % en el consumo, los datos económicos son meramente historia irrepetible, no una ley científica.
Intentar extraer predicciones universales de estos restos históricos es —un error metodológico similar a utilizar las estadísticas de las guerras napoleónicas para predecir la Tercera Guerra Mundial—. Friedrich Hayek identificó esta imitación ciega de las ciencias naturales como: una ceguera estructural en la que se ignora la ontología distintiva de la elección humana en favor de una precisión falsa y mecanicista. Por lo tanto, existe una divergencia ontológica entre «ciencia» y «cientificismo».
La crítica de Lucas: cuando las matemáticas se doblegaron ante la lógica
La economía moderna se vio obligada —con cincuenta años de retraso— a reconocer la validez de la postura de Mises. En 1976, Robert Lucas desmontó la macroeconomía keynesiana al demostrar que no es posible predecir los efectos de un cambio de política basándose únicamente en correlaciones pasadas. Esto se conoce hoy en día como la «crítica de Lucas». Cuando un gobierno aplica una política, el público modifica sus expectativas y los parámetros estructurales del comportamiento cambian.
La economía dominante reconoció tardíamente el problema de la «variabilidad de los parámetros» —validando así la idea de Mises sobre la ausencia de constantes económicas— a través de la «crítica de Lucas» de 1976, que demostró que los cambios en las políticas alteran las expectativas del público, lo que hace que las correlaciones pasadas resulten inútiles. Sin embargo, Lucas no abandonó la modelización; inventó las «expectativas racionales», partiendo del supuesto de que los seres humanos poseen la misma inteligencia que los creadores de modelos. Lucas identificó la enfermedad terminal, pero recetó un veneno más sofisticado. Mises —libre de la necesidad de las fórmulas— vio la realidad en su forma más cruda: los mercados son procesos, no equilibrios; el futuro presenta incertidumbre, no un riesgo calculable.
Mises rechazó el uso de las matemáticas en la teoría económica para mantener el realismo; los neoclásicos distorsionaron la realidad para adaptarla a sus ecuaciones.
Falsa precisión: de la crítica de Lucas al colapso financiero
Los críticos argumentan: «¡La ciencia requiere precisión!». Esta es la mayor mentira de nuestra época. Las matemáticas en la economía fabrican una falsa precisión.
Pensemos en Karl Marx: El Capital está repleto de ecuaciones algebraicas que demuestran las tasas de explotación. Sin embargo, su premisa —la teoría del valor-trabajo— era falaz. Las matemáticas crearon modelos sofisticados pero fundamentalmente erróneos; las fórmulas no garantizan la verdad.
La crisis financiera de 2008 supuso la prueba definitiva, que enfrentó la metodología austriaca con la corriente dominante. Los bancos centrales utilizaron modelos como la cópula gaussiana y el valor en riesgo — os calibrados a partir de 50 años de datos— y afirmaron que la probabilidad de un colapso del mercado inmobiliario era de una entre mil millones. ¿El resultado? Una implosión total debido a una ceguera estructural: los modelos asumían un riesgo calculable (como en un casino) en lugar de la incertidumbre (como en la historia). Confundieron las distribuciones matemáticas con las decisiones humanas impredecibles.
Ben Bernanke, presidente de la Reserva Federal, a pesar de tener acceso a datos sin precedentes, negaba sistemáticamente la realidad porque sus modelos no podían darla de sí. En 2005, afirmó: «Nunca hemos tenido una caída de los precios de la vivienda a escala nacional». En mayo de 2007, declaró: «No esperamos que se produzcan efectos significativos derivados del mercado de hipotecas de alto riesgo». A Bernanke le faltaba la teoría adecuada, no los datos.
Los economistas austriacos —siguiendo la lógica de la teoría del ciclo económico de Mises y Hayek, sin recurrir a modelos complejos— predijeron la catástrofe con años de antelación: «Cuando los bancos centrales mantienen artificialmente bajas las tasas de interés, se producen inversiones erróneas y las burbujas acaban estallando».
Lo más revelador fue el colapso de Long-Term Capital Management en 1998. Los premios Nobel, utilizando el modelo de Black-Scholes, calcularon que una pérdida catastrófica era prácticamente imposible en toda la historia del universo. Cuando Rusia entró en default en agosto de 1998, las correlaciones que se habían mantenido durante décadas se rompieron al instante —un fenómeno que Nassim Taleb denomina la «falacia lúdica»: la aplicación de probabilidades propias de un casino a la historia humana. Los tecnócratas tratan la economía como ergódica, donde el pasado determina el futuro; Mises la identificó como no ergódica, donde un cisne negro deja obsoletos un billón de puntos de datos. La lógica sin matemáticas triunfó sobre las matemáticas sin lógica.
El problema del cálculo: la sociedad no puede ser diseñada
En el debate sobre el cálculo socialista, los socialistas afirmaban que los superordenadores —al resolver todas las ecuaciones de oferta y demanda— eliminarían la necesidad de los mercados. Mises replicó: «Vuestro problema no es la potencia de cálculo, sino la ausencia de datos subjetivos».
La información económica —el conocimiento del tiempo, el lugar, los gustos subjetivos y las oportunidades fugaces— se dispersa entre millones de mentes y es tácita. La información solo se revela cuando los individuos actúan y se forman los precios. Antes de la acción, los datos no existen para alimentar a los ordenadores.
Era una necesidad lógica. El colapso soviético lo confirmó, pero ni siquiera hacía falta recurrir a la historia. Mises demostró que el socialismo es imposible, y no solo ineficaz. Paul Samuelson predijo durante décadas que la economía soviética alcanzaría a la americana. En 1989, meses antes del colapso, escribió en su libro de texto: «La economía soviética es la prueba de que una economía socialista planificada puede funcionar y prosperar». Los datos decían una cosa; la realidad, otra.
La falacia computacional: el cálculo no es economía
Con los modelos de lenguaje a gran escala surge un nuevo argumento: Mises tenía razón en 1920, pero ahora disponemos de la potencia de procesamiento necesaria para simular economías enteras, o al menos eso se suele argumentar. Esto confunde fundamentalmente la ingeniería con la economía.
- Problema de ingeniería: construir un puente. Se conocen las leyes de la física. Se conoce la resistencia de los materiales. El objetivo —soportar una carga de 10 toneladas— es fijo. La IA calcula el diseño óptimo.
- Problema económico: ¿Construir el puente o destinar esos recursos a un hospital? La IA no puede responder a esto porque el valor no es una propiedad objetiva medible con instrumentos, sino un juicio subjetivo que solo existe en el momento de la elección.
No existe una unidad objetiva común que compare el valor del puente con el valor del hospital. El único método son los precios de mercado derivados del libre intercambio de la propiedad privada. La IA sin precios es como si los ingenieros conocieran las fórmulas de la física pero no los objetivos del proyecto. El procesamiento infinito no puede calcular un valor subjetivo que aún no se ha demostrado en la práctica.
Los socialistas digitales señalan la logística de Amazon o Walmart como prueba de la planificación —lo cual constituye un error de categoría. Estas empresas son tomadoras de precios y se basan en los precios de mercado externos del suelo, la mano de obra y el capital. Sin esas señales, los algoritmos carecen de un denominador común para el cálculo. Esto ya se puso de manifiesto en los fallidos experimentos cibernéticos OGAS de la Unión Soviética en los años sesenta y setenta. A pesar de que las conexiones entre fábricas en los inicios de Internet resolvían la programación lineal, el sistema fracasó porque los datos de las fábricas eran sistemáticamente falsificados por agentes que buscaban el cumplimiento de las cuotas burocráticas en lugar de la satisfacción del consumidor. Ninguna potencia computacional compensa los bucles de retroalimentación corruptos sin propiedad privada.
La IA, prisionera del pasado
La mayor debilidad de la IA generativa es su historicismo inherente. Los sistemas se entrenan con billones de terabytes de datos históricos, prediciendo los próximos patrones mediante la probabilidad estadística.
Pero la teoría austriaca del espíritu empresarial no consiste en descubrir patrones, sino en estar atento a oportunidades para las que no existen datos. Si se introducen todos los datos de 2005 en una IA, esta podría diseñar un Nokia mejorado, pero nunca el iPhone. El iPhone no estaba en los datos; estaba en la visión, los planes y las acciones de Steve Jobs, a los que los consumidores respondieron positivamente. Una economía planificada por IA sería estática —optimizaría el statu quo, pero sería incapaz de generar innovación radical—, lo cual, por definición, rompe con los patrones del pasado. El progreso se detiene.
Los modelos de lenguaje grande (LLM) realizan predicciones a partir de distribuciones de probabilidad: la extrapolación de la curva de campana. El progreso económico viene impulsado por avances empresariales: valores atípicos que los modelos descartan como ruido. Si una IA en 1870 optimizara la iluminación, sugeriría mechas de queroseno eficientes; nunca la bombilla incandescente, ya que los parámetros para tales avances no existían en los datos. La IA optimiza la media; los mercados suelen premiar la excepción.
Conocimiento tácito: aquello que no se puede cargar
La obra maestra de Friedrich Hayek de 1945, «El uso del conocimiento en la sociedad», y el concepto de Michael Polanyi de « (el conocimiento acabaron con los sueños tecnocráticos. El vasto conocimiento económico no puede convertirse en bits y bytes.
La destreza manual de un cirujano, el sentido del olfato de un chef, el instinto de un operador bursátil o la capacidad de un mecánico para reconocer los ruidos del motor son ejemplos de conocimiento tácito: 1) inarticulado —no siempre puede expresarse con palabras ni cuantificarse—; 2) local —vinculado a un momento y un lugar concretos—; 3) fugaz —en constante cambio—; y 4) interno y subjetivo.
Los socialistas digitales se imaginan subiendo el conocimiento de la sociedad a unos servidores. Pero no se puede subir lo que no se puede expresar. Los mercados libres —a través de los precios— permiten a los individuos aprovechar el conocimiento tácito sin necesidad de una coordinación centralizada. En las economías dirigidas por la IA, el conocimiento vital se borra porque no es un «dato» capturable. El resultado serían sistemas que funcionarían perfectamente «sobre el papel», pero que fracasarían estrepitosamente en la realidad.
El fallo de los vehículos autónomos ilustra esto a la perfección. La IA gestiona las normas de tráfico explícitas, pero fracasa en la negociación social que se produce en un cruce con cuatro stops —ese sutil conocimiento tácito que se transmite mediante el contacto visual o los gestos con la mano—. Se trata del «conocimiento de las circunstancias particulares» de Hayek, arraigado en el instinto innato de los actores locales. Dado que nunca se plasma de manera formal —solo se pone en práctica—, no puede cargarse en servidores centrales. Una economía basada en datos es, por lo tanto, socialmente ciega, incapaz de sortear los millones de micro-negociaciones que evitan el colapso sistémico.
El problema de los incentivos y el interés personal en juego
Supongamos que los superordenadores pudieran predecir las preferencias a la perfección. ¿Cuál sería el mecanismo de corrección de errores?
En los mercados libres, la amenaza de la quiebra disciplina y limita a las empresas. Los errores empresariales hacen evaporarse miles de millones. Una presión brutal transfiere recursos de los incompetentes a los competentes. Pero, ¿a qué riesgo se enfrenta la IA gubernamental? Si los algoritmos ordenan la producción de zapatos que nadie quiere, ¿quiebra el algoritmo? No. El público paga a través de la inflación y la escasez.
La IA estatal carece de «interés personal en el asunto». Sin la amenaza de una ruina existencial, no hay garantía de que sus cálculos redunden en el bienestar público. La IA puede optar fácilmente por optimizar la supervivencia del régimen político en lugar del bienestar de los consumidores.
El error del alquimista
Reducir la economía a la ciencia de datos es un error de categoría comparable al de unos astrónomos que buscaran fórmulas newtonianas para elegir entre una pizza y una hamburguesa con queso, ignorando la voluntad interna que impulsa el sistema. Mises probablemente consideraría la IA como una magnífica herramienta para facilitar la determinación de los precios, pero sustituirla por el mecanismo de mercado repite el desastre soviético con ecos aún más fieles. Los tecnócratas modernos son alquimistas —transmutan símbolos matemáticos mientras permanecen ciegos ante la esencia de la acción humana. Sin la manifestación descentralizada de las preferencias a través de los precios y la disciplina de las ganancias y las pérdidas, la IA no es más que un gigante ciego que optimiza el registro fosilizado del pasado, estructuralmente incapaz de calcular el futuro.
